Crédito e a produtividade agrícola no Brasil

Transcrição

1 Universidade de São Paulo Faculdade de Economia, Administração e Contabilidade Carlos Henrique Gomes de Britto Giovana Stein da Silva Agricultura e Desenvolvimento no Brasil Professor Dr. André Luis Squarize Chagas Crédito e a produtividade agrícola no Brasil

2 Sumário 1. Introdução 3 2. Metodologia 4 3. Resultado das estimações 5 4. Conclusão 7 Bibliografia 7

3 1. Introdução: A atividade agropecuária é de grande importância para a economia brasileira, correspondendo a 23% do PIB em 2014 (em torno de R$ 1,1 trilhão), segundo o IBGE. Em 2016, enquanto o Brasil passava por uma crise que levou a queda de 3,6% do PIB, o agronegócio acumulou crescimento de 4,5%, segundo o CEPEA. Além disso, o Brasil é um importante abastecedor de alimentos mundiais e grande parte de sua pauta de exportação é composta por produtos como soja, açúcar, café e carnes. A elevada participação dessas commodities na pauta de exportação nacional revela também a importância do setor como captador de divisas. Com o intuito de estimular os investimentos, geração de renda, aquisição e regularização de terras, aumento da produtividade e melhoria do padrão de vida das populações rurais, foi criado pela lei 4.595, de 31 de dezembro de 1964 o Sistema Nacional de Crédito Rural (SNCR). Atualmente seus principais agentes são os bancos (públicos e privados) e cooperativas de crédito. Os recursos são destinados a produtores rurais pessoas físicas, empresas e cooperativas; estrangeiros residentes no exterior e sindicatos rurais não podem receber os recursos. As normas de aplicação dos financiamentos são aprovadas pelo Conselho Monetário Nacional (CMN) e publicadas pelo Banco Central do Brasil (BC) no Manual de Crédito Rural (MCR). A disponibilidade de recursos segue o calendário da safra, que vai de primeiro de julho de um ano a 30 de junho do ano seguinte. Os recursos disponíveis se dividem em controlados (subsidiados e controlados pelo governo) e não controlados. Para a safra 2014/2015, o governo federal destinou R$ 156 bilhões em créditos rurais para os produtores. De acordo com o Ministério da Agricultura, foram contratados 81% dos recursos disponíveis. Para custeio e comercialização foram aplicados R$ 92 bilhões e para investimentos, R$ 34,8 bilhões. Sendo assim, o objetivo do trabalho é medir os ganhos de produtividade do campo brasileiro oriundos dos créditos concedidos pelo SNCR para as cinco maiores produções agrícolas nacionais: soja, cana-de-açúcar, milho, café e arroz, nos diferentes estados brasileiros no ano de Metodologia:

4 P = ßC + γf + de + P_14 +dculturas, (1) Pata se medir os impactos do financiamento sobre a produtividade será estimada uma regressão linear múltipla por mínimos quadrados ordinários, representada acima pela equação (1). Para se medir a produtividade (a variável assumida como exógena e representada pela letra P na equação (1)), utilizaremos o rendimento por hectare medido em Kg/hectare fornecido pelo IBGE para cada uma das culturas que desejamos avaliar e para cada estado brasileiro. A variável F representa os montantes de financiamentos. Os dados foram obtidos da ESTBAN (Estatística Bancária Mensal por município) fornecida pelo Banco Central. Para compor essa variável foram somados os montantes de financiamento endereçados a atividade agrícola tanto para investimento quanto para custeio e investimento, além de serem também somados os montantes de crédito agroindustriais. Portanto γ é o parâmetro de interesse do modelo estimado. Devido ao tamanho de nosso país e as diferenças climáticas entre as regiões, acreditamos ser interessante também controlar o modelo por dummies estaduais (26 no total, uma vez que incluímos o distrito federal em nossa base dados), afim de avaliar o crédito sobre a produtividade entre os estados. As dummies são representadas por de. Utilizamos também dummies de regiões (Norte, Nordeste, Sul, Sudeste e Centro oeste), também com o objetivo de captar as peculiaridades regionais. Além disso, consideramos que a produtividade agrícola, para todas as culturas avaliadas é influenciada por outros fatores que não somente o montante de financiamento. A atividade agrícola, assim como qualquer empreendimento econômico envolve riscos, que serão remunerados posteriormente com a venda da colheita, esse risco está diretamente relacionado aos fatores climáticos entre eles a incidência solar, precipitação, pressão atmosférica, velocidade do vento entre outros. Portanto inserimos na equação de regressão a média anual de precipitação estadual, representada pela variável C. Os dados de precipitação estadual mensal foram estimados por meio das informações sobre precipitação pluviométrica fornecidas pelo INMET (instituto nacional de meteorologia). O INMET mantém estações de coleta de dados meteorológicos em

5 diversos municípios brasileiros, portanto a precipitação estadual foi obtida por meio da média da precipitação dos municípios onde se encontram essas estações. Entretanto as estações do INMET localizadas em municípios sul Mato-Grossenses pararam de ser atualizadas ao longo de Sendo assim, para este estado especifico foram utilizados os dados de precipitação municipal fornecidos pelo CEMET (Centro de monitoramento do tempo, do clima e dos recursos hídricos de Mato Grosso do Sul). Além disso, os dados de precipitação para o DF e para Rondônia não estavam disponíveis na base do INMET, usamos então os dados de Goiás como proxy para o DF e os dados do Acre como proxy para Rondônia. A última variável exógena incluída no modelo foi a produtividade observada no ano de 2014, consideramos que a produtividade do ano t-1 pode influenciar a produtividade em t. Anos em que se produziu muito podem levar a um maior desgaste do solo e de outros recursos naturais que tem seu desempenho e/ou disponibilidade prejudicados no ano seguinte. Representaremos a variável descrita acima por P_14. Controlamos o modelo também por dummies de cultura (soja, café, milho, cana de açúcar e arroz), com o objetivo de captar as peculiaridades de cada plantação. 3. Resultado das Estimações: A partir do modelo explicado, obtivemos os seguintes resultados: Source SS df MS Number of obs = F( 31, 103) = Model e e+09 Prob > F = Residual R-squared = Adj R-squared = Total e Root MSE = produtividade_2015 Coef. Std. Err. t P> t [95% Conf. Interval] total_financ_anual 5.06e e e e-09 produtividade_ precip darroz dcafe dcana dmilho dsoja

6 dtemporaria duf duf duf duf duf duf duf duf8 duf duf duf duf12 duf duf duf duf duf17 duf duf duf duf duf duf duf24 duf duf26 duf27 dregiao dregiao dregiao3 dregiao4 dregiao _cons Como esperado, o coeficiente para o crédito é positivo e estatisticamente significativo, no entanto o seu impacto é muito pequeno dada a ordem de grandeza da variável crédito (ordem de grandeza de milhões de reais). Podemos observar que a variável mais significativa para o modelo é a produtividade do ano anterior, o que já era esperado devido à adaptação do cultivo ter se dado antes. A precipitação, diferentemente do esperado, não é estatisticamente significativa. Acreditamos que isso ocorra pois os efeitos da precipitação foram captados tanto pelas dummies de uf como pela produtividade do ano anterior. 4. Conclusão

7 A partir da análise dos resultados obtidos, pudemos concluir que o crédito, apesar de significante, não necessariamente tem o impacto positivo desejado na produção. Características intrínsecas à região produtora parecem explicar a produtividade de forma mais assertiva do que a facilidade de crédito. Dado o alto custo de fornecer crédito subsidiado e os possíveis problemas atrelados à dificuldade de fiscalização do uso desse dinheiro, acreditamos que seria interessante testar outros incentivos à produção agrícola. Possíveis alternativas ao subsídio ao crédito possivelmente menos custosas aos cofres públicos, ou pelo menos mais direcionadas- seriam a desoneração fiscal e incentivos à pesquisa de novas técnicas agrícolas. Bibliografia: GASQUES, J. G; BASTOS, E. T.; BACCHI, M. P.; CONCEIÇÃO, J. Condicionantes da produtividade da agropecuária brasileira Revista de Política Agrícola v. 13, n.3, ago VICENTE, J. R.; MARTINS, R. Produtividade, eficiência e relações de troca da agricultura paulista: Informações Econômicas, São Paulo, v. 34, n. 1, p , jan